5 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 5 / 5
Öğe Derin evrişimli çekişmeli üretici ağlar ile yüz görüntülerinin üretimi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-18) Çiçekli, Nizamettin; Ertuğrul, Ömer FarukBu çalışmada ilkel insandan günümüze kadar bilginin artışı, nesiller arası aktarımı ve bu sürecin büyük veriye dönüşümü incelenmiştir. Aynı zamanda yapay zekanın tarihsel gelişimi, yapay sinir ağlarının yapısı, derin öğrenme, derin öğrenme katmanları ve derin öğrenme modelleri gibi konular ayrıntılı bir şekilde ele alınmıştır. Bunun yanı sıra görüntü oluşturma modellerinden biri olan ve derin öğrenmenin bir alt dalı olan çekişmeli üretici ağlar hakkında detaylı bilgiler sunulmuştur. Çekişmeli üretici ağların tarihsel süreci, yapılan akademik çalışmalar, gelişimi ve akademik literatüre katkıları titizlikle araştırılmıştır. Özellikle çekişmeli üretici ağların görüntü oluşturma alanında en iyi modellerinden biri olan DEÇÜA modeli ayrıntılı bir şekilde incelenmiştir. DEÇÜA modelini oluşturan üretici ağın yapısı, matematiksel yöntemleri ve deneylerde kullanılan fonksiyonları ile birlikte kayıp fonksiyonu değerleri üzerinde yoğun bir çalışma yapılmıştır. Ayrıca çekişmeli üretici ağların ikinci bileşeni olan ayırıcı ağın yapısı, işlevleri, matematiksel yöntemleri ve deneylerde kullanılan fonksiyonları detaylı bir şekilde ele alınmıştır. Deney ortamında kullanılan kütüphaneler, GPU, işlemci, dil işleme editörleri ve Google Colab ortamı dikkatlice incelenmiştir. Sentetik görüntüler üretmek için en yaygın olarak kullanılan veri setleri özenle seçilmiştir. Bu çalışmada iki farklı türde dört veri seti kullanılmıştır. İlk olarak vektör tabanlı görüntüler içeren Cartoonset10k ve Anime Face veri setleri dikkatlice seçilmiş ve detaylı bir şekilde analiz edilmiştir. İkinci olarak piksel tabanlı görüntüler içeren Animal Face ve CelebaFace veri setleri ayrıntılı bir şekilde incelenmiştir. Her bir veri seti üzerinde gerçekleştirilen deneylerde belirli aralıklarla tekrarlanan eğitim süreçleri sonucunda elde edilen 8x8 boyutundaki görüntüler aşama aşama kaydedilmiştir. Bu elde edilen en iyi görüntüler, veri setlerinde rastgele seçilen resimlerle karşılaştırılarak detaylı bir şekilde değerlendirilmiştir. Üretici ağ ile ayırıcı ağın Nash dengesine göre kayıp-kazanç değerleri, matematiksel ve grafiksel yöntemler kullanılarak elde edilmiştir.Öğe Siber güvenlikte XSS web saldırılarının yapay zekâ zemininde analiz edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-08-28) Tanyeri, Fürkan; Ertuğrul, Ömer FarukBilgi ve teknoloji günümüz çağında insan hayatının vazgeçilmez bir parçası konumuna ulaşmıştır. İnsanlar bilgiye daha hızlı ve kolay ulaşabilmek için en çok interneti kullanmaktadır. İnternet insanların en fazla bilgilerin temin edildiği Web sitelerine ulaşmak için en önemli araçlardan biridir. Ancak Web sitelerinin bu kadar sıklık ile kullanımı kötü niyetli insanların dikkatini arttırmış ve Web güvenliği kavramı oluşmuştur. Bu Web güvenliği kavramı ise zaman içinde gelişerek ya da geliştirilerek yerini Siber güvenliği kavramına bırakmıştır. Siber güvenlik, bilgisayarları, ağları, yazılım uygulamaları, her türlü bilişim ile ilgili sistemleri ve bu sistemlerin verilerini kötü amaçlı saldırılardan korumayı amaçlayan bir yapı olması ile bilinmektedir. Gelişen teknoloji ve bu teknolojinin meydana getirdiği sürekli ileri düzeyde yenilenme ve gelişme durumu siber güvenlik sisteminin de sürekli ileri düzeyde kendini koruma amacıyla yenileme durumunu ortaya çıkarmıştır. Bu yenileme durumuna karşın siber güvenlik sistemine kötü niyetli olarak erişebilme isteği sonucu siber saldırı türleri meydana gelmiştir. Siber güvenlik konusunda sıklıkla karşılaşılan siber saldırı türleri Oltalama Saldırıları, Servis Dışı Bırakma Saldırıları (DoS/DDoS), Parola Saldırıları, Man-in-the-middle (MITM) Atak Saldırıları, Cross-Site Scripting (XSS) Saldırıları şeklinde sıralamak mümkündür. Cross-Site Scripting (XSS) Saldırıları, korunmasız bir web uygulamasının bir modülü olarak kötü amaçlı kod çalıştırmayı hedefler. XSS Saldırılarının birçok siber saldırı türlerinden farkı direk uygulamayı değil, kullanıcıyı hedeflemesidir. Teknolojinin hızlı gelişmesi, siber saldırıların artması gibi durumlar insanların daha güvenli, daha kolay verilerine ulaşabilmesi ve bilgilerden daha kesin sonuçlar alabilme isteğini arttırmıştır. Bu istek, insani zekâya sahip cihaz ve yazılım geliştiren bilgisayar bilimlerinin bir parçası olan Yapay Zekâ Teknolojisinin daha sık ve daha verimli şekilde kullanımını artmıştır. Bu çalışmamızda, Siber güvenlik sisteminde kullanılan siber güvenlik saldırı türlerinden biri olan Cross-Site Scripting (XSS) saldırılarının yapay zekâ zemininde analiz edilmesi ve analiz edilen verilerin değerlendirilmesi amaçlanmıştır.Öğe Derin öğrenme yöntemiyle patates yaprağı görüntülerinden hastalık tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-19) Almas, Kenan; Öztekin, AbdulkerimBu tez çalışması, derin öğrenme yöntemleri kullanılarak patates görüntülerinden hastalık tespiti yapmayı amaçlamaktadır. Çalışmada, sağlıklı ve çeşitli patates hastalıklarına ait geniş ve kapsamlı bir görüntü veri seti kullanılmıştır. Farklı Evrişimli Sinir Ağı (CNN) mimarileri ve hibrit modelleri kullanılarak patates hastalıklarını tespit etmek için modeller geliştirilmiştir. Geliştirilen modeller farklı parametreler ve veri kümeleri kullanılarak eğitilmiş ve doğruluk, kesinlik gibi metrikler kullanılarak değerlendirilmiştir. Patates bitkilerinde görülen yaygın hastalıklar (geç yanıklık, erken yanıklık) tespit edilmiş ve görüntü ön işleme teknikleri kullanılarak modellerin performansı artırılmıştır. Bu çalışma, derin öğrenme yöntemlerinin patates hastalıklarının tespitinde etkili bir şekilde kullanılabileceğini göstermeyi ve bu alanda daha önce yapılan çalışmalara katkıda bulunmayı amaçlamaktadır. Çalışmada, deneysel ortamların vazgeçilmez bileşenleri olan kütüphaneler, GPU'lar, işlemciler, doğal dil işleme modelleri ve Google Colab platformu incelenmiştir ve PillantVillage veri seti kullanılmıştır. Dört farklı ResNet modeli ile görüntüler test edilmiş ve çeşitli performans metrikleriyle değerlendirilmiştir. Elde edilen bulguların, patates yetiştiriciliğinde hastalık yönetimi ve verimlilik artışı için önemli bilgiler sağlayabileceği düşünülmektedir. Yapay zeka ile görüntülerden hastalık tespiti yapılması tarım alanında yenilikler yapılmasına önayak olabileceği gibi makine-insan etkileşimine de artırıcı katkı sağlayabilir. Çalışmamız ResNet derin öğrenme modellerinin, görüntü çıkarımı alanında derin öğrenme modellerinin başarısını ve önemini vurgulamaktadır.Öğe Tarım ürünlerinin sınıflandırılmasında derin öğrenme kullanımı: Siirt fıstığı örneği(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-18) Erdoğan, Mesut; Öztekin, AbdulkerimBu tez, tarım ürünlerinin sınıflandırılmasında derin öğrenme tekniklerinin potansiyelini incelemek ve uygulamalı bir model geliştirmek amacıyla hazırlanmıştır. Tarım sektörü, kalite kontrol ve sınıflandırma süreçlerinde genellikle manuel yöntemlere dayanmakta olup bu da süreçlerin hem zaman alıcı hem de hata oranlarının yüksek olmasına neden olmaktadır. Gelişen teknolojiyle birlikte, tarım ürünlerinin otomatik olarak sınıflandırılmasını sağlayacak yapay zeka temelli yaklaşımlar, hem üreticilere hem de tüketicilere çeşitli avantajlar sunma potansiyeline sahiptir. Bu çalışmada, Siirt fıstığı örneği üzerinden derin öğrenme tabanlı bir sınıflandırma modeli geliştirilmiştir. Çalışmanın ilk aşamasında, Siirt fıstığının kalite kriterleri belirlenmiş ve bu kriterlere göre geniş bir veri seti oluşturulmuştur. Veri seti, farklı kalite sınıflarını (örneğin, iri, orta boy, düşük kaliteli; deformasyona uğramış ya da renk farkı olan fıstıklar) kapsayacak şekilde çeşitlendirilmiştir. Görüntüler, gelişmiş görsel veri toplama teknikleri kullanılarak yüksek çözünürlükte elde edilmiş ve veri setinin zenginleştirilmesi amacıyla veri artırma yöntemleri uygulanmıştır. Derin öğrenme modeli olarak konvolüsyonel sinir ağları (CNN) tercih edilmiş ve modelin performansını artırmak için çeşitli mimari düzenlemeler yapılmıştır. Modelin eğitimi ve testi sırasında hiperparametre optimizasyonu gerçekleştirilmiş, doğruluk oranını artırmak için dropout, öğrenme hızı ayarı ve erken durdurma gibi teknikler uygulanmıştır. Modelin performansı, doğruluk, kesinlik, duyarlılık ve F1 skor metriği kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, Siirt fıstığının sınıflandırılmasında geliştirilen derin öğrenme modelinin %99 doğruluk oranı ile başarılı bir şekilde çalıştığını ortaya koymuştur. Modelin sonuçları, geleneksel manuel sınıflandırma yöntemleri ile karşılaştırıldığında, hem zaman hem de doğruluk açısından önemli avantajlar sağlamaktadır. Ayrıca, tarım sektöründeki diğer ürünlere uygulanabilirlik potansiyeli de değerlendirilmiştir. Bu çalışma, tarım sektöründe kalite kontrol süreçlerini optimize etmek, üreticilere verimlilik sağlamak ve tüketici memnuniyetini artırmak adına önemli bir adım olarak değerlendirilmektedir. Gelecekteki çalışmalar için, daha büyük veri setlerinin oluşturulması, farklı derin öğrenme mimarilerinin test edilmesi ve modelin gerçek zamanlı uygulamalarda denenmesi önerilmektedir.Öğe Dijital sınavlarda yapay zekâ ile kopya tespiti: Iğdır Üniversitesi örneği(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-13) Kara, Derya; Kaya, Yılmaz; Daş, FevziBu çalışmada, çevrimiçi sınavlarda kopya çekme davranışlarını tespit edebilmek amacıyla öğrencilerin sınav süreçleri analiz edilmiş ve dört farklı yapay zeka modeli Random Forest, XGBoost, K-Nearest Neighbors (KNN) ve Lojistik Regresyon kullanılmıştır. Çalışmanın temel amacı, öğrencilerin sınav esnasında gösterdiği davranışların benzerliklerini değerlendirerek kopya çekme durumunu pozitif veya negatif olarak sınıflandırmaktır. Analiz sonuçlarına göre, Random Forest modeli %66,29 doğruluk oranıyla en yüksek performansı sergilemiş, onu %58,98 doğruluk oranıyla XGBoost takip etmiştir; KNN ve Lojistik Regresyon ise daha düşük doğruluk oranlarıyla sınıflar arasındaki ayrımı başarılı bir şekilde yapamamıştır. ROC eğrileri incelendiğinde, Random Forest ve XGBoost modellerinin pozitif ve negatif sınıfları ayırt etmede oldukça başarılı olduğu; KNN ve Lojistik Regresyon modellerinin ise bu ayrımda daha zayıf performans gösterdiği görülmüştür. Çalışmada ayrıca özniteliklerin modeller üzerindeki etkisi analiz edilmiştir. "Giriş sayısı", "doğru cevap oranı" ve "yanlış cevap oranı" gibi bazı özniteliklerin modellerin başarısında belirgin bir rol oynadığı tespit edilmiştir. Random Forest ve XGBoost modelleri, belirli özniteliklerin çıkarılması durumunda dahi performanslarını koruyabilirken, KNN ve Lojistik Regresyon modelleri bu tür değişimlere daha duyarlı olmuştur. Çalışmada, performansın artırılmasına yönelik öneriler arasında daha karmaşık derin öğrenme tabanlı modellerin denenmesi, öznitelik mühendisliğinin geliştirilmesi ve veri setinin genişletilmesi gibi stratejiler yer almıştır. Bu bağlamda, Random Forest ve XGBoost modelleri çevrimiçi sınav güvenliğini sağlamak ve kopya çekme vakalarını tespit etmek için en güvenilir ve etkili modeller olarak öne çıkmış olup, sınav güvenliğini artırmaya yönelik stratejiler geliştirilmesinde önemli katkı sağlayabilecekleri sonucuna ulaşılmıştır.
